超威H100服务器开不了机，核心结论：先看电源指示灯和BMC自检码，再用最小系统逐层加回GPU负载，绝大多数“点不亮”是供电不足或散热保护被触发，并非GPU损坏。
超威H100服务器开不了机怎么排查故障点
先别急着拆机,H100机型和普通机架服务器完全不同，单张GPU瞬时功耗可以拉到数百瓦，整机满载奔着2000W级别走，表现为“按了开机键没反应”和“风扇狂转但屏幕不亮”，背后是两套截然不同的逻辑。
看电源模块状态灯定位进电故障
机器不通电的第一步,永远是看电源，超威机型的电源模组自带LED状态灯，在把手位置附近，不用拆开侧板就能确认：
- 灯不亮：整机没进电，检查PDU排插是否跳闸
- 灯亮橙色：电源模块内部故障或输入电压超范围，准备替换电源
- 灯亮绿色：供电正常，跳过电源环节继续排查
如果是双电源配置,注意两个模组指示灯是否一致，其中一颗不亮或闪烁，虽然短时间内机器还能开，但BMC会记录缺电告警，部分机型在告警状态下会拒绝正常启动流程。
拆掉所有GPU做最小系统测试
电源模块状态全部正常,机器依然起不来，最值得怀疑的是GPU插槽供电链路或GPU本身，操作方法：
- 断开服务器所有外部供电线
- 拔掉全部H100 GPU，逐一放入防静电袋
- 仅保留CPU、内存和启动盘
- 接上单根电源线,按开机键
如果最小系统能亮机进BIOS,故障锁定在GPU供电或GPU插卡环节，反之则把注意力放到主板、CPU和内存上。
查看主板自检指示灯和蜂鸣码
超威主板上有DEBUG指示灯组,卡住不动时，记录当前显示的数字代码，常见几种：
- FF：CPU初始化失败或CPU供电缺失
- 2A：内存初始化过程受阻
- B2：显卡或板载VGA自检异常
B2和H100服务器尤其相关,H100是纯计算卡，不带显示输出，显示器若没有插到主板板载VGA口，就会卡在B2，表现为“开机黑屏”。
超威H100服务器维修排查实操：从指示灯到命令
最小系统能够亮机后,每插回一张H100就开机一次，直到故障重现的那一步，问题自然浮出水面。
短接开机跳线强制触发加电
有些时候开机按钮本身好的,问题出在机箱前面板连接线，跳过物理按钮即可定位：
- 在主板上找到PWR_BTN或JFP1跳线针脚
- 用螺丝刀短接PWR_SW两根引脚,触发一次开机
- 如果机器亮了,故障锁定在前面板排线
操作前先摸一下机箱金属外壳释放静电。
用IPMI命令强制远程上电
超威服务器背面有独立管理网口,BMC固件自带完整电源控制能力，机器挂起时，通过IPMI拉电重启是比人工按键更可控的方式：
ipmitool -H 192.168.1.100 -U ADMIN -P SUPER chassis power on
这个命令如果能把电源拉起来,说明主板逻辑正常，问题出在机箱面板或者外设干扰，如果BMC里读到温度Sensor告警，直接朝散热方向修。
在超威h100服务器维修过程中,IPMI远程管理通道是判断软硬件故障边界最有效的分水岭。
CMOS放电重置固件锁死
H100服务器更新固件后,存在小概率BIOS配置锁死的情况，表现为电源风扇转一下停一下，反复循环，处理方法：
- 关机断电,拔掉所有电源线
- 找到CMOS跳线,铭牌上标JBT1或JCMOS
- 用跳线帽短接两个针脚等待30秒
- 恢复跳线帽,重新上电
部分超威主板同样可以在BMC界面执行“Restore Factory Defaults”，效果等同。
电源和散热保护机制导致超威H100服务器不启动的典型场景
开机了但进不去系统、风扇狂转几秒后停转，这种表现和完全不通电完全不同。
进风温度过高触发温控锁定
H100服务器下压式风扇排布非常密集,对机房进风口温度极其敏感，如果空调临时停机，GPU进风温度升到60℃以上，主板温控保护会直接拒绝开机，降低机房温度后重新通电即恢复正常。
新增GPU后整机供电冗余不足
同样一台4U机箱,插2块H100和插满8块H100，电源需求差一个量级，如果机箱只装了单颗低功率电源却试图带满GPU，开机瞬间浪涌电流会击穿保护阈值，表现为所有灯闪一下后全部熄灭。
处理办法：
- 加装双电源冗余,总功率预留30%以上余量
- 检查机箱内8Pin转接线,避免一条线上挂超过两张卡的接法
GPU金手指氧化和插槽虚接触
高功耗伴随高热量,PCIe插槽附近的卡扣在长期热胀冷缩后会松动，GPU插好但开机卡在设备初始化阶段，多半是金手指接触不良，拆下后用无尘布蘸99%酒精轻擦金手指，等待挥发干净再插回，别用橡皮擦，碎屑残留反而更容易引发电气故障。
超威H100服务器维修点怎么找：自修还是送修
决定要不要找外援,先看两个条件：机器是否还在保修期、故障是否涉及板卡级物理损坏。
保内用户的操作路径
超威H100服务器一般由整机集成商提供三年整机质保,保内用户不要自行拆机，直接拨打机器铭牌上的服务热线，提供机身SN码，售后会判断是远程刷BMC还是上门处理。
保外机器送修前要核实的事
找超威H100服务器维修点之前,确认三件事：
- 是否有芯片级维修能力,比如BGA返修台，能处理GPU核心和显存虚焊
- 是否有同型号备件存货,尤其电源模组和VRM供电板
- 报价是否包含检测费,多数机构提供免费检测，但换件报价需要提前确认
超威h100服务器价格本身不低,维修报价同样参差不齐，更换一张H100供电模组的费用通常在数百到上千元区间，当维修报价超过整机残值三分之一时，直接更新硬件更划算。
这个问题普遍吗？日常怎么预防
超威H100服务器开不了机,在长时间满载跑AI训练任务后尤其常见，大多数场景是散热积灰导致温控锁定，清理进风口滤网后自动恢复，真正硬件级损坏的占比相当低。
预防只需要盯住两条线：机柜进风温度尽量控制在30℃以下，每季度检查一次电源状态灯和BMC事件日志，日常看到Sensor温度异常别硬撑，及时处理能避开绝大多数“开不了机”。
高频问题解答：超威H100服务器不开机
超威H100服务器开机后显示器无信号，风扇却全速运转，是什么原因
H100显卡本身不带视频输出接口,信号必须来自主板板载VGA口或额外安装的显示卡，确认接对接口后仍无信号，通过BMC管理口登录Web界面，查看Sensor列表是否有FF或B2类型告警，定位主板卡住的具体阶段。
超威H100服务器只装了一颗电源，另一个电源位空缺会不开机吗
不会直接导致无法开机,但BMC会持续记录电源冗余告警，部分系统在BIOS里开启电源冗余强制校验后，会拒绝正常启动，关掉该校验，或者补上第二颗电源模组即可恢复。
超威H100服务器维修后如何确认故障彻底排除
维修完成后,登录BMC管理界面，查看事件日志中是否还存在近期Power或Temperature的Critical告警，同时用ipmitool sel list拉取全部记录，确认故障时间点之后没有新增同等级别的告警条目，IPMI事件日志里不再出现Power Unit相关告警记录，说明这次维修闭环了。
首发原创文章，作者：王坚，如若转载，请注明出处：https://idctop.com/article/697158.html
